帮助用户从两个来源中发现共同原则和隐藏模式，通过N=2验证机制识别跨源一致性的真实信号，适合快速发现共识与差异点。
说明：
## 核心用法
Pattern Finder 是一款专注发现跨源共识的智能分析工具。用户只需提供两个文本来源（支持已提取的原则或原始文本），系统会自动执行四步发现流程：解析双方核心原则、搜索语义匹配（而非关键词重叠）、验证真实对齐度、分类输出共享/独有原则。
### 关键输出结构
– **SHARED PATTERNS (N=2)**：两源一致的原则，标记为高置信度验证信号
– **UNIQUE TO SOURCE A/B**：单源独有原则，标记为N=1待验证状态
– **Divergence Analysis**：区分领域特异性、版本漂移等差异类型
## 显著优点
1. **语义级匹配**：超越关键词匹配，识别”Fail fast, fail loud”与”Expose errors immediately”的深层同构
2. **N-Count验证体系**：将N=1（观察）→ N=2（验证）→ N≥3（候选黄金标准）的递进逻辑可视化
3. **零外部依赖**：纯本地LLM推理，不调用第三方API，数据留存于用户Agent信任边界内
4. **侦探式交互**：语调好奇、发现导向，适合探索性分析场景
## 潜在局限
– **不裁决真伪**：仅能发现”两源同意”，无法证明”正确”
– **依赖源质量**：若输入文本本身缺乏结构化原则，提取效果受限
– **二元限制**：严格限定双源对比，三源以上需转接core-refinery
– **无深层溯源**：省略principle-comparator的alignment_note详细解释
## 适合人群
– 研究者：快速验证假设是否已有跨文献支撑
– 产品经理：对齐多 stakeholder 需求文档的核心共识
– 学习者：对比不同教材/教程的共通方法论
– 内容策展人：识别独立信源中的涌现模式
## 常规风险
**确认偏误强化**：N=2标记可能让用户高估”一致性”的价值，忽视”同错”可能（两源可能以相同方式错误）。系统内置免责声明提醒此点，但用户需自主保持批判性判断。建议将N=2视为”需进一步验证的线索”而非结论。
会员专属
